Докато по-голямата част от съвременните AI системи разчитат на изчислително

Докато по-голямата част от актуалните AI системи разчитат на изчислително интензивни мрежи от неврони, ново потомство логаритми може би предлага по-ефективна и „ по-човешка “ опция.

Axiom, която е създадена от софтуерната компания Verse AI, системата черпи ентусиазъм от метода, по който човешкият мозък възприема и планува действителността.

Вместо да се учи посредством безкрайни опити и неточности – както е при дълбокото образование – Axiom употребява дейна инференция: способ, при който предварителни знания за физическите взаимоотношения сред обектите се комбинират с непрестанно обновяван модел за това по какъв начин светът (в случая – играта) реагира на дадени дейности.

Системата е в положение да овладее опростени версии на известни видеоигри – като drive, bounce, hunt и jump – посредством минимални запаси и надалеч по-малко образци в съпоставяне със актуалните модели за изкуствен интелект. Когато големи езикови модели като GPT преобладават заглавията, наподобява, че Axiom предлага различен път към изкуствения разсъдък.

Корените на тази архитектура водят към така наречен принцип на свободната сила – доктрина, развита от световноизвестния невроучен Карл Фристън.

Принципът съчетава математика, физика, биология и осведомителна доктрина в опит да изясни какво в действителност съставлява интелигентността. Днес Фристън е основен академик в „ когнитивната компютърна “ компания Verses, а концепциите му стартират да се материализират и в системи като Axiom.

„ Тези сътрудници би трябвало да поддържат типа мисловна активност, който виждаме в действителните мозъци “, споделя Фристън в изявление за WIRED.

„ Това изисква не просто дарба да знаеш обстоятелства, а дарба да учиш по какъв начин да действаш в света. “

За разлика от обичайното надълбоко подсилващо образование – при което AI опитва и поправя своите параметри по отношение на противоположната връзка, която получава – методът на Axiom залага на предварителна конструкция и логическа прогноза, която се пренастройва с всяка нова информация.

Това е сериозен пробив в опитите да се доближим до AGI, съгласно специалиста Франсоа Шоле – създател на ARC 3, бенчмарк за оценка на способността на моделите да вземат решение непознати проблеми.

„ Работата ми наподобява много истинска, което е ужасно “, разяснява Шоле. „ Нуждаем се от повече хора, които излизат отвън утъпканата пътека на огромните езикови модели. “

Въпреки че изкуствените невронни мрежи постоянно се съпоставят с човешкия разсъдък, те в същността си действат по радикално друг метод. През последното десетилетие deep learning направи допустимо компютрите да разпознават лица, диктуват текст, основават изображения и даже водят диалози. Но цената – в данни, време и изчислителна мощност – към момента е много висока.

Axiom обаче дава обещание нещо друго. „ Това е нова архитектура за AI сътрудници, които могат да учат в действително време и са по-точни, по-ефективни и доста по-малки “, споделя Гейб Рене, основен изпълнителен шеф на Verses.

„ Те са безусловно проектирани като цифров мозък. “

Интересно е, че въпреки Axiom да предлага опция на невронните мрежи, самият принцип на свободната сила е отчасти въодушевен от работата на Джефри Хинтън – бащата на deep learning, притежател на Нобелова премия и Turing Award. Хинтън и Фристън са били сътрудници в University College London.

Теориите на Фристън не престават да въздействат освен върху AI, само че и върху новите концепции за съзнанието. А дали Axiom ще се трансформира в идната стъпка към по-интелигентни, адаптивни и когнитивно въодушевени машини?

Вероятно следва да разберем. Но едно е ясно – машините стартират да мислят не като компютри, а като хора.